[Capte la atención del lector

con un resumen atractivo. Este

resumen es una breve descripción
del documento. Cuando esté listo
para agregar contenido, haga
clic aquí y empiece a escribir.]

[Título del
documento
]
[Subtítulo del
documento]

[Nombre del autor]

1. El número de españoles (en millones) ocupados en la agricultura, para los años que se indican,
era:
Año 198 198 198 198 198 199 199 199
0 2 4 6 8 0 2 4
Ocupados 2,1 2,04 1,96 1,74 1,69 1,49 1,25 1,16

a) ¿Podría explicarse su evolución mediante una recta de regresión?

b) ¿Qué limitaciones tendrían las estimaciones hechas por esa recta?

Solución:

Regresión

Resumen del modelob

Error Estadísticos de cambio

R estándar Cambio en
Model R cuadrado de la R Cambio
o R cuadrado ajustado estimación cuadrado en F

1 ,986a ,973 ,968 ,06295 ,973 215,975

a. Predictores: (Constante), años en la agricultura

b. Variable dependiente: acupacion de los agricultores por año

Coeficientesa

Coeficientes
Coeficientes no estandariza
estandarizados dos

Error
Modelo B estándar Beta t Sig.

1 (Constante) 143,489 9,650 14,870 ,000

años en la
-,071 ,005 -,986 -14,696 ,000
agricultura

Coeficientesa

Estadísticas de colinealidad

Modelo Tolerancia VIF

1 (Constante)

años en la agricultura 1,000 1,000

Gráficos
2. Asocia las rectas de regresión y = –x +16, y = 2x – 12, y = 0,5x + 5 a las nubes de puntos
siguientes:

 y = 0,5x + 5 esta regresión le pertenece a la gráfica (a) puesto que este se

encuentra más dispersado.
 y = 2x – 12. Esta regresión le pertenece a la gráfica (b).
 y = –x +16, esta recta de regresión le pertenece a la gráfica (c) porque por ser la
variable x negativa su grafica también muestra una decaimiento.

3. Asigna los coeficientes de correlación lineal r = 0,4, r = –0,85 y r = 0,7, a las nubes del
problema anterior.

Tipo II. Cálculo de la correlación y regresión

4. a) Calcula la recta de regresión de Y sobre X en la distribución siguiente realizando todos los
cálculos intermedios.
X 10 7 5 3 0
Y 2 4 6 8 10

¿Cuál es el valor que correspondería según dicha recta a X = 7?

Correlaciones

variable x variableY

variable x Correlación de Pearson 1 -,997**

Sig. (unilateral) ,000

Suma de cuadrados y
58,000 -48,000
productos vectoriales

Covarianza 14,500 -12,000

N 5 5
variableY Correlación de Pearson -,997** 1

Sig. (unilateral) ,000

Suma de cuadrados y
-48,000 40,000
productos vectoriales

Covarianza -12,000 10,000

N 5 5

**. La correlación es significativa en el nivel 0,01 (unilateral).

¿Cuál es el valor que correspondería según dicha recta a X = 7?

Para determinar el valor de X=7 utilizamos la siguiente ecuación Y=10.14-o.83X; lo cual nos da
un valor de 4.33

5. El número de bacterias por unidad de volumen, presentes en un cultivo después de un cierto

número de horas, viene expresado en la siguiente tabla:
X: Nº de horas 0 1 2 3 4 5
Y: Nº de bacterias 1 1 2 3 5 6
2 9 3 4 6 2

Calcula:
a) Las medias y desviaciones típicas de las variables, número de horas y número de bacterias.
b) La covarianza de la variable bidimensional.
c) El coeficiente de correlación e interpretación.
d) La recta de regresión de Y sobre X.

Frecuencias

Estadísticos

numero de numero de
horas bacterias

N Válido 6 6
 Perdidos 2 2
Media 2,50 36,33
Mediana 2,50 34,50
a
Moda 0 12a
Desviación estándar 1,871 21,021
Varianza 3,500 441,867
Rango 5 50
Mínimo 0 12
Máximo 5 62
En el cuadro se puede observar las desviaciones y desviaciones típicas de las
variables, número de horas y número de bacterias.
Correlaciones

Correlaciones

variable x variableY

variable x Correlación de Pearson 1 -,997**

Sig. (unilateral) ,000

Suma de cuadrados y
58,000 -48,000
productos vectoriales

Covarianza 14,500 -12,000

N 5 5
**
variableY Correlación de Pearson -,997 1

Sig. (unilateral) ,000

Suma de cuadrados y
-48,000 40,000
productos vectoriales

Covarianza -12,000 10,000

N 5 5

**. La correlación es significativa en el nivel 0,01 (unilateral).

Prueba T

Estadísticas de muestra única

 Desviación Media de error
N Media estándar estándar

numero de horas 6 2,50 1,871 ,764

numero de bacterias 6 36,33 21,021 8,582

Prueba de muestra única

Valor de prueba = 0

95% de
intervalo de
confianza de

Diferencia de la diferencia

t gl Sig. (bilateral) medias Inferior

numero de horas 3,273 5 ,022 2,500 ,54

numero de
4,234 5 ,008 36,333 14,27
bacterias

Prueba de muestra única

Valor de prueba = 0

95% de intervalo de confianza de la diferencia

Superior

numero de horas 4,46

numero de bacterias 58,39

UNIANOVA bacterias BY horas

/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/CRITERIA=ALPHA(0.05)
/DESIGN=horas.

Análisis univariado de varianza

 Factores inter-sujetos

numero de horas 0 1

1 1

2 1

3 1

4 1

5 1

Pruebas de efectos inter-sujetos

Variable dependiente: numero de bacterias

Tipo III de suma Media

Origen de cuadrados gl cuadrática F Sig.
a
Modelo corregido 2209,333 5 441,867 . .
Intersección 7920,667 1 7920,667 . .
horas 2209,333 5 441,867 . .
Error ,000 0 .
Total 10130,000 6
Total corregido 2209,333 5

a. R al cuadrado = 1.000 (R al cuadrado ajustada = .)

6. La tabla siguiente muestra las notas obtenidas por 8 alumnos en un examen, las horas de
estudio dedicadas a su preparación y las horas que vieron la televisión los días previos al
examen.
Nota 5 6 7 3 5 8 4 9
Horas de estudio 7 10 9 4 8 10 5 14
Horas de TV 7 6 2 11 9 3 9 5

a) Representa gráficamente los diagramas correspondientes a nota-estudio y nota-TV.

b) ¿Se observa correlación entre las variables estudiadas? ¿De qué tipo? ¿En qué caso estimas
que es más fuerte?

Estadísticos de cambio

R cuadrado Error estándar de Cambio en R

Modelo R R cuadrado ajustado la estimación cuadrado Cambio en F
1 ,943a ,890 ,872 ,728 ,890 48,531

a. Predictores: (Constante), horas de estudio

b. Variable dependiente: nota de alumnos
Entre la variable notas y horas de estudio hay una correlación.

Estadísticos de cambio

R cuadrado Error estándar de Cambio en R

Modelo R R cuadrado ajustado la estimación cuadrado Cambio en F
a
1 ,846 ,716 ,669 1,169 ,716 15,141
Si hay relación entre la variable televisión y nota

 De acuerdo a los gráficos obtenidos se puede ver que hay más relación en las
variables estudio con la nota.
7. Con los datos del problema anterior, halla el coeficiente de correlación de nota-estudio y nota-
TV. ¿Qué puede deducirse con más precisión conociendo la nota que obtuvo una persona en el
examen: el tiempo que dedicó al estudio o el que dedicó a ver la televisión?
[sol] 0,943382 y 0,846283. El tiempo que dedicó al estudio.
Coeficientes
Coeficientes no estandarizados estandarizados

Modelo B Error estándar Beta t Sig.

1 (Constante) ,796 ,773 1,030 ,343

horas de estudio ,606 ,087 ,943 6,966 ,000

Coeficientesa

Correlaciones Estadísticas de colinealidad

Modelo Orden cero Parcial Parte Tolerancia VIF

1 (Constante)

horas de estudio ,943 ,943 ,943 1,000 1,000

En la correlacion de horas de estudio con la nota nos da un valor de 0.943

Coeficientesa

Correlaciones Estadísticas de colinealidad

Modelo Orden cero Parcial Parte Tolerancia VIF

1 (Constante)

horas de television -,846 -,846 -,846 1,000 1,000

En la correlacion de horas de televisión con la nota nos da -0.846.
De acuerdo a estos valores se deduce que un estudiante tendrá una mejor nota si dedica mas
horas de estudio.

8. Con los mismos datos, halla las rectas de regresión correspondientes y estima para un alumno
que sacó un 2 en el examen:
a) Las horas que estudió.
b) Las horas que vio la TV.
[sol] a) Est = 0,246753 + 1,46753 · Nota; 2,7 h. b) TV = 14,1299 1,2987 · Nota; 11,5 h.

Tipo III. Estimación a partir del a recta de regresión

9. La altura, en cm, de 8 padres y del mayor de sus hijos varones, son:
Padre 170 173 178 167 171 169 184 175
Hijo 172 177 175 170 178 169 180 187

a) Calcula la recta de regresión que permita estimar la altura de los hijos dependiendo de la del
padre; y la del padre conociendo la del hijo.
b) ¿Qué altura cabría esperar para un hijo si su padre mide 174? ¿Y para un padre, si su hijo mide
190 cm?
[sol] a) H = 68,1853 + 0,621859 · P; P = 77,4406 + 0,545082 · H. b) 176,4 cm; 181 cm.

10. [S] Durante su primer año de vida han pesado a Marta cada mes. En la tabla siguiente se dan
sus pesos:
x 1 2 3 4 5 6 7 8 9 10 11 12
y 3,2 3,7 4,2 5,3 5,7 6,5 6,8 7,2 7,9 7,7 8 8,5

En esta tabla, x representa la edad en meses e y el peso en kilogramos.

a) Calcula la media y la desviación típica de los pesos.
b) Determina la ecuación de la recta de regresión de y sobre x, explicando detalladamente
los cálculos que haces y las fórmulas que utilizas.
[sol] a) 6,225; 1,7181 b) y = 0,48706x + 3,05909

11. [S] Utilizando la recta de regresión de x sobre y correspondiente a la distribución siguiente:

x = altura sobre el nivel del mar 0 184 231 481 911
y = temperatura media en ºC 20 18 17 12 10
Calcula la altitud de una ciudad en la que la temperatura media es de 15º.
[sol] 392,7 m.